KR102114415B1 - 의료 영상 정합 방법 및 장치 - Google Patents
의료 영상 정합 방법 및 장치 Download PDFInfo
- Publication number
- KR102114415B1 KR102114415B1 KR1020130010100A KR20130010100A KR102114415B1 KR 102114415 B1 KR102114415 B1 KR 102114415B1 KR 1020130010100 A KR1020130010100 A KR 1020130010100A KR 20130010100 A KR20130010100 A KR 20130010100A KR 102114415 B1 KR102114415 B1 KR 102114415B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- medical
- images
- matching
- medical image
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 73
- 210000000056 organ Anatomy 0.000 claims description 48
- 230000003902 lesion Effects 0.000 claims description 46
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 19
- 238000002604 ultrasonography Methods 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 9
- 238000006073 displacement reaction Methods 0.000 claims description 8
- 230000000241 respiratory effect Effects 0.000 claims description 8
- 230000000735 allogeneic effect Effects 0.000 claims description 2
- 238000010008 shearing Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 26
- 239000013598 vector Substances 0.000 description 17
- 238000002591 computed tomography Methods 0.000 description 11
- 238000000926 separation method Methods 0.000 description 11
- 238000006243 chemical reaction Methods 0.000 description 9
- 239000000523 sample Substances 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 230000009466 transformation Effects 0.000 description 7
- 210000004204 blood vessel Anatomy 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 210000001519 tissue Anatomy 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000012285 ultrasound imaging Methods 0.000 description 3
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000037081 physical activity Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012879 PET imaging Methods 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 210000002381 plasma Anatomy 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 210000001631 vena cava inferior Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5288—Devices using data or image processing specially adapted for radiation diagnosis involving retrospective matching to a physiological signal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Radiology & Medical Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Quality & Reliability (AREA)
Abstract
서로 상이한 모달리티를 갖는 의료 영상들을 정합하는 방법 및 장치가 개시된다. 본 발명의 일 실시예에 따른 의료 영상 정합 방법은, 대상체의 제1 호흡 주기 동안 촬영된 복수개의 제1 의료 영상들 중의 기준 영상(reference image)을 제2 의료 영상과 정합하는 이종 영상 정합 단계; 상기 기준 영상과는 상이한 호흡 상태들에서 획득된 나머지 제1 의료 영상들을 각각 상기 기준 영상과 정합하는 동종 영상 정합 단계; 상기 이종 영상 정합과 상기 동종 영상 정합 결과를 이용하여 상기 제1 호흡 주기에 대한 상기 제1 의료 영상들과 상기 제2 의료 영상 간의 정합 영상들의 세트를 생성하는 단계; 및 상기 제1 호흡 주기 이후에 촬영되는 제3 의료 영상을 실시간으로 획득하고, 상기 제3 의료 영상에 대응하는 영상을 상기 정합 영상들의 세트로부터 검출하여 출력하는 단계를 포함한다.
Description
본 발명은 대상체의 신체 활동을 고려하여 복수개의 의료 영상들을 정합하는 방법 및 장치에 관한 발명이다.
최근 의료기술의 발달로 인해 높은 해상도의 의료영상을 얻을 수 있고 의료 기구의 미세한 조작이 가능해 짐에 따라서, 인체의 직접적인 절개를 하지 않고도 피부에 작은 구멍을 만든 뒤 혈관 혹은 기타 원하는 신체 부위에 직접 카테터나 의료용 바늘을 넣고 의학 영상 장비로 몸속을 관찰하면서 치료하는 방법이 개발되고 있다. 이를 "영상을 이용하는 시술법", "인터벤션(Interventional) 영상 시술법" 또는 "중재적 영상 시술법"이라고 부른다. 시술자는 장기나 병변의 위치를 영상을 통해 파악한다. 게다가 시술을 하는 동안 환자는 호흡을 하거나 움직이게 되는데 이에 따른 변화를 파악해야한다. 따라서 시술자는 실시간 영상을 토대로 호흡이나 움직임을 정확하고 빠르게 파악하여 시술을 시행해야 하는데, 이 때 실시간 영상에서 장기와 병변의 형상을 육안으로 파악하기 쉽지 않다. 초음파 영상과 대조적으로, MR(Magnetic Resonance) 또는 CT 영상은 장기와 병변을 명확히 식별할 수 있다. 하지만, MR 또는 CT 영상은 의료 시술 중 실시간으로 영상이 획득될 수 없기 때문에, 의료 시술 중 발생되는 환자의 호흡과 움직임이 반영되지 않는 단점이 있다.
본 발명은 의료 시술 이전에 실시간 의료 영상과 비실시간 의료 영상을 신속하고 정확하게 정합하고, 그 정합된 영상을 의료 시술 중에 촬영된 실시간 의료 영상과 재차 정합하는 방법 및 장치를 제공한다. 본 발명이 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
본 발명의 일 측면에 따른 의료 영상 정합 방법은, 대상체의 제1 호흡 주기 동안 촬영된 복수개의 제1 의료 영상들 중의 기준 영상(reference image)을 제2 의료 영상과 정합하는 이종 영상 정합 단계; 상기 기준 영상과는 상이한 호흡 상태들에서 획득된 나머지 제1 의료 영상들을 각각 상기 기준 영상과 정합하는 동종 영상 정합 단계; 상기 이종 영상 정합과 상기 동종 영상 정합 결과를 이용하여 상기 제1 호흡 주기에 대한 상기 제1 의료 영상들과 상기 제2 의료 영상 간의 정합 영상들의 세트를 생성하는 단계; 및 상기 제1 호흡 주기 이후에 촬영되는 제3 의료 영상을 실시간으로 획득하고, 상기 제3 의료 영상에 대응하는 영상을 상기 정합 영상들의 세트로부터 검출하여 출력하는 단계를 포함한다.
본 발명의 일 측면에 따른 의료 영상 정합 장치는, 대상체의 제1 호흡 주기 동안 촬영된 복수개의 제1 의료 영상들 중의 기준 영상(reference image)을 제2 의료 영상과 정합하는 이종 영상 정합부; 상기 기준 영상과는 상이한 호흡 상태들에서 획득된 나머지 제1 의료 영상들을 각각 상기 기준 영상과 정합하는 동종 영상 정합부; 상기 이종 영상 정합부와 상기 동종 영상 정합부의 정합 결과들을 이용하여 상기 제1 호흡 주기에 대한 상기 제1 의료 영상들과 상기 제2 의료 영상 간의 정합 영상들의 세트를 생성하는 DB 구축부; 및 상기 제1 호흡 주기 이후에 촬영되는 제3 의료 영상을 실시간으로 획득하고, 상기 제3 의료 영상에 대응하는 영상을 상기 정합 영상들의 세트로부터 검출하여 출력하는 실시간 정합부를 포함한다.
본 발명의 일 실시예에 따르면 제1 의료 영상들과 상이한 모달리티(modality)를 갖는 제2 의료 영상을 제1 의료 영상들과 정합시, 이종 영상 정합과 동종 영상 정합을 구분하여 단계적으로 수행하기 때문에 정합에 필요한 계산량을 감소시키고 정합의 정확도를 향상시킬 수 있다.
도 1은 본 발명의 일 실시예에 따른 시스템을 도시한다.
도 2는 본 발명의 일 실시예에 따른 의료 영상 정합 장치를 도시한다.
도 3은 본 발명의 일 실시예에 따른 의료 영상 정합 장치의 이종 영상 정합부를 도시한다.
도 4는 본 발명의 일 실시예에 따른 의료 영상 정합 장치의 동종 영상 정합부를 도시한다.
도 5는 본 발명의 일 실시예에 따른 의료 영상 정합 방법의 흐름을 도시한다.
도 6a는 도 5의 의료 영상 정합 방법에서 다른 일 실시예에 따른 정합 영상 세트의 생성 단계를 도시한다.
도 6b는 도 5의 의료 영상 정합 방법에서 또 다른 일 실시예에 따른 정합 영상 세트의 생성 단계를 도시한다.
도 7은 2차원 영상에서 어파인 변환함수(Taffine)를 획득하는 방법을 도시한다.
도 2는 본 발명의 일 실시예에 따른 의료 영상 정합 장치를 도시한다.
도 3은 본 발명의 일 실시예에 따른 의료 영상 정합 장치의 이종 영상 정합부를 도시한다.
도 4는 본 발명의 일 실시예에 따른 의료 영상 정합 장치의 동종 영상 정합부를 도시한다.
도 5는 본 발명의 일 실시예에 따른 의료 영상 정합 방법의 흐름을 도시한다.
도 6a는 도 5의 의료 영상 정합 방법에서 다른 일 실시예에 따른 정합 영상 세트의 생성 단계를 도시한다.
도 6b는 도 5의 의료 영상 정합 방법에서 또 다른 일 실시예에 따른 정합 영상 세트의 생성 단계를 도시한다.
도 7은 2차원 영상에서 어파인 변환함수(Taffine)를 획득하는 방법을 도시한다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 설명한다.
도 1은 본 발명의 일 실시예에 따른 시스템을 도시한다. 도 1을 참조하면 시스템(100)은 제1 의료 장치(120), 제2 의료 장치(110), 의료 영상 정합 장치(130) 및 영상 표시 장치(140)를 포함한다.
제2 의료 장치(110)는 의료 시술 이전에 대상체의 관심 볼륨(VOI : Volume of Interest)에 대한 제2 의료 영상을 생성한다. 예컨대, 제2 의료 장치(110)는 CT(computed tomography) 영상 장치, MR(magnetic resonance)영상 장치, X-ray 영상 장치 또는 PET 영상 장치 중 어느 하나로 구성될 수 있다. 이하에서는 설명의 편의를 위하여 제2 의료 영상은 MR 또는 CT 영상인 것으로 가정한다. 제2 의료 장치(110)에서 생성한 CT 영상 또는 MR 영상의 경우 장기의 위치나 병변의 위치가 명확하게 구별이 되는 장점이 있다. 하지만 CT(computed tomography)영상 이나 MR(magnetic resonance)영상은 시술하는 동안 환자가 호흡을 하거나 뒤척일 때 장기가 변형되거나 위치가 변할 수 있는데 이러한 실시간적인 변화를 반영한 영상을 얻을 수 없는 단점이 있다. 실시간으로 영상을 출력할 수 없는 각각의 이유는 CT(computed tomography)영상의 경우 방사선을 이용한 촬영방법이기 때문에 환자와 시술자가 장시간 방사능에 노출될 우려가 있기 때문에 짧은 시간의 촬영이 권장되며, MR(magnetic resonance)영상의 경우 한번 촬영하는데 시간이 오래 걸리기 때문이다. 일반적으로 CT 영상은 환자의 호흡이 일시적으로 정지된 상태, 예컨대 최대 들숨 상태에서 촬영된다.
제1 의료 장치(120)는 대상체의 관심 볼륨에 대하여 실시간으로 의료 영상을 제공한다. 따라서, 제1 의료 장치(120)를 이용하여 대상체의 신체 활동에 따른 의료 영상의 변화가 관찰될 수 있다. 일 실시예에 따르면, 제1 의료 장치(120)는 환자에 대한 중재적 의료 시술과정에서 실시간 영상을 생성하는 초음파 영상 장치(ultrasonography machine)로 구성될 수 있다. 제1 의료 장치(120)는 이것에 장착된 프로브(probe)(121)를 이용하여 초음파 신호를 관심영역에 조사하고, 반사되는 초음파 신호를 검출함으로써 초음파 영상을 생성한다. 프로브(121)는 일반적으로 압전 변환기(piezoelectric transducer)로 제조된다. 프로브(121)로부터 수 내지 수백 MHz 범위의 초음파가 환자 신체 내부의 특정 부위에 전달되면, 이 초음파는 여러 다른 조직들(tissues) 사이의 계층들로부터 부분적으로 반사된다. 특히, 초음파는 신체 내부에서의 밀도 변화가 있는 곳, 예를 들어, 혈장(blood plasma) 내의 혈구들(blood cells), 장기들(organs) 내의 작은 조직들(structures) 등에서 반사된다. 이와 같이 반사된 초음파들은 프로브(121)의 압전 변환기를 진동시키고, 압전 변환기는 이 진동들에 따른 전기적 펄스들(electrical pulses)을 출력한다. 이와 같은 전기적 펄스들이 영상으로 변환된다.
본 발명의 일 실시예에 따르면 제1 의료 장치(120)는 의료 시술 이전에 대상체의 제1 호흡 주기 동안에 복수개의 제1 의료 영상들을 촬영한다. 제1 의료 영상들은 제1 호흡 주기 내의 서로 다른 호흡 시점들에 촬영된다. 예컨대, 최대들숨, 반들숨, 최대날숨 상태에서 각각 제1 의료 영상이 촬영될 수 있다. 또한, 제1 의료 장치(120)는 의료 시술 중에 제3 의료 영상을 촬영한다. 설명의 편의를 위하여 제3 의료 영상이 제1 의료 장치(120)에 의해 획득되는 초음파 의료 영상인 것을 가정하여 설명한다. 다만, 제1 의료 장치(120)와 다른 초음파 의료 장치(미도시)에 의해 제3 의료 영상이 획득될 수 있음을 당업자라면 이해할 수 있다.
이와 같이 제1 의료 장치(120)에 의해 얻을 수 있는 의료 영상, 예를 들면 초음파 영상들은 실시간 영상을 얻을 수 있다는 장점이 있으나, 다수의 잡음이 포함되므로 장기의 윤곽, 내부 구조나 병변을 식별해내기가 어렵다는 단점이 있다. 왜냐하면, 병변과 주변 조직은 서로 유사한 초음파 특성을 갖기 때문에 초음파 영상에서는 병변과 주변 조직의 경계에서 나타나는 명암의 대비, 즉 개체의 에지 콘트라스트(Edge Contrast)가 상대적으로 낮다. 또한, 초음파의 간섭 및 산란으로 인한 잡음(noise)과 인공물(artifact)이 존재한다. 즉, 초음파 의료 영상은 MR 또는 CT 영상보다 빠르게 획득 가능한 대신에, 신호 대 잡음비(SNR)와 개체의 에지 콘트라스트가 낮으므로 MR 또는 의료 영상에서는 식별 가능한 장기 및 병변이 주변 조직과 명확히 구분되지 않는다는 단점이 있다.
제1 의료 장치(120) 및 제2 의료 장치(110)가 촬영하는 의료 영상들은 2차원으로 촬영된 단면 영상들을 축척하여 생성된 3차원 의료 영상일 수 있다. 예컨대, 제2 의료 장치(110)는 단면 영상의 위치(location)와 방향(orientation)을 변화시키면서, 다수의 단면 영상들을 촬영한다.이와 같은 단면 영상들이 축적되면 환자 신체의 특정 부위를 3차원적으로 나타내는 3차원 볼륨(volume)의 영상 데이터가 생성될 수 있다. 이와 같이 단면 영상들을 축적하여 3차원 볼륨의 영상 데이터를 생성하는 방식을 MPR(Multiplanar reconstruction) 방식이라고 한다. 이하의 설명에서는 제1 의료 장치(120)와 제2 의료 장치(110)가 촬영하는 영상들은 모두 3차원인 것을 가정하여 설명한다.
의료 영상 정합 장치(130)는 의료 시술 이전에 제1 의료 영상들과 제2 의료 영상을 정합(registration)하여 정합 영상들의 세트를 생성한다. 의료 영상 정합 장치(130)는 의료 시술 중에 제3 의료 영상과 생성된 정합 영상들을 정합한다.
본 발명에서 정합은 제1 의료 장치(120)와 제2 의료 장치(110)가 사용하는 좌표를 서로 대응시키는 과정을 포함한다. 정합된 영상은 서로 다른 의료 영상들이 오버레이된 융합 영상(fusion image)일 수 있고, 서로 다른 의료 영상들이 나란히 배치된 영상일 수도 있다. 의료 영상 정합 장치(130)가 정합한 의료 영상은 영상 표시 장치(140)에 의해 디스플레이될 수 있다.
도 2는 본 발명의 일 실시예에 따른 의료 영상 정합 장치를 도시한다. 도 2를 참조하면, 의료 영상 정합 장치(200)는 의료 영상 획득부(210), 초기 정합부(220), DB 구축부(230), 저장부(240), 실시간 정합부(250) 및 제어부(260)를 포함한다.
의료 영상 획득부(210)는 제1 의료 장치(120)가 대상체에 대하여 소정의 시간 동안 촬영한 복수개의 제1 의료 영상들(550)을 획득한다. 의료 영상 획득부(210)는 제2 의료 장치(110)가 대상체에 대하여 촬영한 제2 의료 영상(540)을 획득한다. 또한, 의료 영상 획득부(210)는 제1 의료 장치(120)가 제1 의료 영상들(550)을 촬영한 이후에 그 대상체에 대하여 촬영한 제3 의료 영상(570)을 획득한다. 의료 영상 획득부(210)는 제1 의료 장치(120) 및 제2 의료 장치(110)로부터 상술된 의료 영상들을 획득하기 위한 인터페이스들(2101,2102)을 포함한다. 제1 인터페이스(2101) 및 제2 인터페이스(2102)는 제어부(260)의 제어에 따라서 각각 제1 의료 장치(120) 및 제2 의료 장치(110)에 의해 촬영된 의료 영상들을 획득한다. 또 다른 실시예에 따르면, 제1 인터페이스(2101) 및 제2 인터페이스(2102)는 하나의 I/O 인터페이스로 구현될 수도 있다.
제1 의료 영상들(550)은 대상체의 제1 호흡 주기(t) 동안 촬영되는 것이 바람직하다. 제1 호흡 주기(t)는 대상체가 들숨과 날숨을 반복하는 주기적 호흡과정에서 1 주기의 시간 길이를 의미한다. 다만, 실시예에 따라서 1 주기 이상의 시간 길이 동안에 제1 의료 영상들(550)이 촬영될 수도 있음을 당업자라면 이해할 수 있다. 각각의 제1 의료 영상들(550)은 제1 호흡 주기(t) 내에서 서로 다른 호흡 상태에 촬영된다. 예컨대, 제1 호흡 주기가 1 second 라고 가정할 때, 제1 의료 영상들(550)은 0.2 second 간격으로 5회 촬영될 수 있다. 제1 의료 영상들(550)은 대상체에 대한 의료 시술 이전에 촬영되는 것이 바람직하지만, 실시예에 따라서는 의료 시술 중이라도 제3 의료 영상(570)이 촬영되기 이전이라면 제1 의료 영상들(550)이 촬영될 수 있다.
제2 의료 영상(540)은 대상체의 임의의 호흡 상태에서 촬영되는데, 제1 의료 영상들(550) 중에는 제2 의료 영상(570)과 동일하거나 매우 유사한 호흡 상태에서 촬영된 영상이 존재한다. 제1 의료 영상들(550)은 최대 들숨과 최대 날숨을 포함하는 제1 호흡 주기(t) 동안 촬영되므로, 최대 들숨에서 촬영되는 제2 의료 영상(570)과 동일하거나 유사한 호흡 상태의 영상이 존재한다.
제3 의료 영상(570)은 의료 시술 중 촬영되며, 제1 의료 영상들(550)과 동일한 모달리티의 영상인 것이 바람직하다. 다른 실시예로, 제3 의료 영상(570)은 의료 시술 중 실시간으로 영상을 제공하는 제3 의료 장치(미도시)에 의해 촬영된 2차원 또는 3차원의 초음파 영상일 수도 있다. 일 실시예에 따르면 제3 의료 영상(570)은 제1 인터페이스(2101)에 의해 획득되지만, 또 다른 실시예에 따르면 의료 영상 획득부(210)는 제3 의료 영상을 획득하기 위한 제3 인터페이스(미도시)를 더 포함할 수도 있다.
의료 영상 획득부(210)에 의해 획득된 영상들은 저장부(240)의 RAW 영상 DB(2401)에 저장될 수 있다. 저장부(240)의 정합 영상 DB(2402)와 RAW 영상 DB(2401)은 물리적/논리적으로 하나의 저장 매체로 구현되거나 또는 3개 이상의 저장 매체들로 구현될 수도 있다.
초기 정합부(220)는 제1 의료 영상들(550)과 제2 의료 영상(540)을 정합한다. 초기 정합부(220)는 서로 다른 모달리티를 갖는 제1 의료 영상들(550) 중 기준 영상(551)과 제2 의료 영상을 정합하는 이종 영상 정합을 수행한다. 초기 정합부(220)는 이종 영상 정합을 수행시에는 동일하거나 가장 유사한 호흡 상태에서 촬영된 영상들만을 정합함으로써, 이종 영상 정합의 오차를 최소화하고 빠르고 정확하게 정합을 수행할 수 있다.
또한, 초기 정합부(220)는 동일한 모달리티를 갖는 제1 의료 영상들간의 정합인 동종 영상 정합을 수행한다. 초기 정합부(220)는 서로 다른 호흡 시점들에서 촬영된 제1 의료 영상들(550)을 정합하더라도, 제1 의료 영상들(550)이 촬영된 호흡 시점들은 서로 인접하고, 제1 의료 영상들(550)이 모두 같은 모달리티를 갖기 때문에 동종 영상 정합을 신속하고 정확하게 수행할 수 있다.
초기 정합부(220)는 이종 영상 정합을 수행하는 이종 영상 정합부(2202) 및 동종 영상 정합을 수행하는 동종 영상 정합부(2203)를 포함한다. 이종 영상 정합부(2202)는 대상체의 제1 호흡 주기(t) 동안 촬영된 복수개의 제1 의료 영상들(550) 중의 기준 영상(551)을 제2 의료 영상(540)과 정합한다. 이종 영상 정합부(2202)는 기준 영상(551)과 제2 의료 영상(540)을 강체 정합(rigid registration) 또는 어파인 정합(affine registration)한다. 동종 영상 정합부(2203)는 기준 영상(551)과는 상이한 호흡 시점들에서 획득된 나머지 제1 의료 영상들(552,553,554)을 각각 기준 영상(570)과 정합한다. 동종 영상 정합부(2203)는 기준 영상(551)과 나머지 제1 의료 영상들(552,553,554)을 비강체 정합(non-rigid registration)한다. 동종 영상 정합부(2203)는 기준 영상(551)과 각각의 나머지 제1 의료 영상들(552,553,554)간의 밝기값과 그래디언트 정보를 이용하여 제1 호흡 주기(t) 동안 장기와 병변의 변위(displacement)와 변형(deformation)을 추정할 수 있다. 그래디언트 정보는 제1 의료 영상들(550)의 복셀의 밝기값 증감을 나타내는 벡터를 말한다.
본 실시예에 따르면 영상의 모달리티 측면에서는 이종 정합과 동종 정합으로 각각 분리하여 정합을 수행하며, 영상의 촬영시점 측면에서는 호흡 상태를 고려하여 동일 호흡 상태의 정합과, 상이한 호흡 상태의 정합으로 각각 분리하여 정합을 수행한다. 이와 달리 기준 영상(551)과 제2 의료 영상(540)을 이종 정합하고, 이종 정합에 의한 정합 영상을 나머지 제1 의료 영상들(552,553,554)과 하이브리드 정합하게 되면, 하이브리드 정합시 정합이 부정확해지는 단점이 있다. 그 이유는, 정합 영상과 나머지 제1 의료 영상들(552,553,554)은 동일한 호흡 상태의 영상이 아니고, 동일한 모달리티의 영상도 아니기 때문이다.
이하, 도 3,4를 참조하여 이종 영상 정합부(2202)와 동종 영상 정합부(2203)의 실시예들을 보다 상세히 설명하기로 한다. 도 3을 참조하면, 이종 영상 정합부(2202)는 기준 영상 검출부(310), 특징점 추출부(320), 제1 변환 함수 산출부(330) 및 제1 좌표 변환부(340)를 포함한다.
기준 영상 검출부(310)는 제1 의료 영상들(550) 중에서 기준 영상(551)을 검출한다. 기준 영상 검출부(310)는 제1 의료 영상들(550)과 제2 의료 영상(540) 간의 유사도에 기초하여 기준 영상(551)을 검출한다. 기준 영상 검출부(310)는 제1 의료 영상들(550) 중에서 제2 의료 영상(540)이 촬영된 호흡 상태와 가장 유사한 호흡 상태에서 촬영된 영상을 기준 영상(551)으로 검출한다. 기준 영상 검출부(310)는 각각의 제1 의료 영상들(550)과 제2 의료 영상(540)간의 유사도를 판단하기 위하여, 가보 웨이브릿(Gabor Wavelet) 기법 또는 지역적 이진 패턴 매칭(Local Binary Pattern Matching) 기법을 이용할 수 있으나 이에 한정되지 않는다.
가보 웨이브릿 기법에 따르면, 기준 영상 검출부(310)는 제1 의료 영상들(550)과 제2 의료 영상(540)을 여러개의 서로 다른 특성을 갖는 가보 필터들로 필터링한다. 가보 필터들은 서로 상이한 주파수와 방위(orientation)를 갖는 선형 필터들로서 영상의 텍스쳐를 필터링하여 에지를 탐색한다. 기준 영상 검출부(310)는 각각의 제1 의료 영상들(550)과 제2 의료 영상(540)을 가보 필터들로 필터링한 결과를 서로 비교하여, 제2 의료 영상(540)과 가장 유사한 필터링 결과를 갖는 영상을 기준 영상(551)으로 검출한다.
지역적 이진 패턴 매칭에 따르면, 기준 영상 검출부(310)는 제1 의료 영상들(550)과 제2 의료 영상(540)에서 각각 중심 픽셀을 선택하고, 그 중심 픽셀과 주변 픽셀의 픽셀 값들의 차이를 이진화한다. 기준 영상 검출부(310)는 주변 픽셀의 값들을 중심 픽셀의 값을 기준으로 이진화하고 이진화 픽셀값을 기 정의된 방향으로 정렬하여 나타낸다. 기준 영상 검출부(310)는 제1 의료 영상들(550)과 제2 의료 영상(540)에서 정렬된 이진화 픽셀값을 비교하고, 가장 유사한 이진화 픽셀값을 갖는 영상을 기준 영상(551)으로 검출한다.
서로 다른 모달리티의 영상들이라도 유사한 호흡 상태에서 촬영되었다면, 상이한 호흡 상태에서 촬영된 영상들보다 유사도가 크게 나타난다. 따라서, 기준 영상 검출부(310)는 제2 의료 영상과 동일하거나 매우 유사한 호흡 상태에서 촬영된 기준 영상(551)을 검출할 수 있다.
특징점 추출부(320)는 기준 영상(551)과 제2 의료 영상(540)에서 각각 특징점을 추출한다. 추출되는 특징점의 개수는 적어도 2개 이상인 것이 바람직하다. 특징점(Landmark point)이란 영상 정합에 기준이 되는 지점으로서, 기준 영상(551)과 제2 의료 영상(540)에서 나타나는 해부학적 개체들로부터 추출할 수 있다. 해부학적 개체들이란, 장기, 혈관, 병변, 뼈, 장기와 장기의 경계면 등 대상체의 구성물들을 포함하며 이에 한정되지 않는다. 기준 영상(551)과 제2 의료 영상(540)은 동일한 호흡 상태에서 촬영되기 때문에, 해부학적 개체들의 형상과 위치가 동일한 상태에서 기준 영상(551)과 제2 의료 영상(540)이 촬영되었다고 간주 될 수 있다.
특징점 추출부(320)는 아래와 같은 방법으로 특징점(Landmark point)을 추출할 수 있다.
A. 대상의 해부학적 특징이 뚜렷하게 반영된 지점을 특징점(Landmark point)으로 정한다. 예를 들면, 특징점을 추출할 개체가 간이라면 간 내부 혈관구조에서 혈관이 나누어지는 지점을 특징점으로 추출할 수 있고, 특징점을 추출할 개체가 심장이라면 우심방과 좌심방이 나뉘는 경계, 대정맥과 심장의 외벽이 만나는 경계를 특징점으로 추출할 수 있다.
B. 정해진 좌표계에서 특징점을 추출할 개체의 가장 높은 지점, 혹은 가장 낮은 지점 또한 특징점(Landmark point)으로 정할 수 있다.
C. 상기 A. B.에서 선택된 특징점들 간의 사이를 보간(interpolation)할 수 있는 지점을 개체를 따라서 일정한 간격으로 선택하여 특징점(Landmark point)으로 지정할 수 있다.
지정된 특징점은 2차원일 경우 x,y축의 좌표로, 3차원일 경우 x,y,z축의 좌표로 나타낼 수 있다. 따라서 3차원일 경우 각각의 특징점 좌표를 벡터로 
과 같이 나타낸다면, (n은 특징점의 갯수를 뜻한다.) 수학식 1로 표현할 수 있다.
i는 i번째 제1 의료 영상에서 특징점 좌표 정보를 뜻한다.
제1 변환 함수 산출부(330)는 특징점 추출부(320)에 의해 추출된 특징점을 이용하여 기준 영상(551)과 제2 의료 영상(540) 중 어느 하나의 영상을 다른 하나의 영상을 기준으로 회전, 스케일링, 이동(translation) 또는 기울기 변형(shearing) 시키는 제1 변환 함수를 산출한다. 제1 변환 함수는 어파인 정합 기법에 의해 산출되는 어파인 변환함수(Taffine)일 수 있다. 어파인 변환함수(Taffine)는 ICP(iterative closest point) 알고리즘을 사용하여 산출될 수 있다. ICP 알고리즘은 서로 다른 영상에서의 특징점들을 1:1 대응시키는 경우의 수들 중에서, 대응되는 특징점들의 거리차이를 최소화하는 알고리즘을 말한다.
도 7는 2차원 영상에서 어파인 변환함수(Taffine)를 획득하는 방법을 도시한다. 501은 어파인 변환함수(Taffine)를 적용하기 전에 상태이고, 502는 어파인 변환함수(Taffine)를 적용하여 변환하고자 하는 상태이다. 어파인 변환은 1:1 점대응이므로, 아래의 수학식 2에 의해서 어파인 변환함수(Taffine)를 결정할 수 있다.
제1 좌표 변환부(340)는 제1 변환 함수를 이용하여 기준 영상(551)의 좌표를 제2 의료 영상(540)의 좌표로 변환 또는 역변환한다. 기준 영상(551)에서의 제1 지점이 제2 의료 영상(540)에서의 제2 지점과 대응하는 지점이라고 가정할 때, 제1 지점은 제1 좌표 변환부(340)에 의해 제2 지점으로 변환되거나 역변환 될 수 있다.
도 4는 본 발명의 일 실시예에 따른 동종 영상 정합부(2203)를 도시한다. 도 4를 참조하면, 동종 영상 정합부(2203)는 개체 분리부(410), 제2 변환 함수 산출부(420) 및 제2 좌표 변환부(430)를 포함한다.
개체 분리부(410)는 제1 의료 영상들(510)에서 나타나는 해부학적 개체들을 배경으로부터 분리(segmentation)한다. 개체 분리부(410)에는 배경에서 분리할 해부학적 개체에 대한 정보가 미리 입력되어 있을 수 있다. 예컨대, 초음파 의료 영상에서 혈관 조직은 배경에 비하여 더 어두운 밝기값을 갖는데, 혈관의 밝기값 정보가 개체 분리부(410)에 미리 입력될 수 있다. 또한, 횡격막의 경우 소정 값 이하의 곡률을 갖는 평면이고, 하대정맥은 10mm 이상의 직경을 갖는 혈관이라는 정보가 미리 입력될 수 있으며, 이에 한정되지 않는다.
개체 분리부(410)는 그래프 컷(graph cut) 기법 또는 가우시안 믹스쳐 모델(GMM) 기법을 이용하여 분리할 수 있다. 그래프 컷 기법에 따르면 개체 분리부(410)는 제1 의료 영상들(500)에서 배경의 시드(seed) 값과 해부학적 개체의 시드 값을 이용하여, 배경의 시드 포인트와 해부학적 개체의 시드 포인트의 영역을 점차 확장한다. 개체 분리부(410)는 배경의 시드 포인트 영역과 해부학적 개체의 시드포인트 영역이 확장되어 서로 만나게 되는 경계 영역을 잘라냄으로써 해부학적 개체를 배경으로부터 분리한다. 가우시안 믹스쳐 모델 기법에 따르면, 개체 분리부(410)는 제1 의료 영상들의 컬러 히스토그램을 복수개의 가우시안 분포 모델들로 표현한다. 이어서, 개체 분리부(410)는 히스토그램에서 프리셋(preset) 밴드의 가우시안 분포 모델을 선택하여 해부학적 개체들을 분리한다. 이외에도 다른 기법들이 사용될 수 있다.
제2 변환 함수 산출부(420)는 기준 영상(551)과 나머지 제1 의료 영상들(552,553,554)에서 분리된 해부학적 개체들을 이용하여, 제1 호흡 주기(t) 내에서 해부학적 개체들의 변위 및/또는 변형을 나타내는 제2 변환 함수를 산출한다. 제2 변환 함수에 따르면 국부 변형(local deformation)이 계산될 수 있다.
제2 변환 함수 산출부(420)는 B-스플라인(B-splines)에 기초한 자유 변형 모델(free-form deformation) 모델 기법에 따라서 제2 변환 함수를 산출할 수 있다. 자유 변형 모델 기법은, B-스플라인을 구성하는 제어점들의 격자를 각각 움직여서 물체를 변형시키는 방식으로 특징을 추출할 필요가 없고, 자유도가 높기 때문에 복잡한 국부 변형을 모델링하기에 적합하다. 자유 변형 모델 기법은 비 특허문헌 D. Rueckert et al., “Nonrigid registration using free-form deformations: Application to breast MR images,” IEEE Trans. Medical Imaging, vol. 18, pp. 712?721, 1999. 에 개시되어 있다.
제2 변환 함수 산출부(420)는 제1 의료 영상들(550)에서 등간격 δ의 제어점(control point,αi,j,k)으로 이루어지는 제어 격자(control grid)를 gx X gy X gz 개 생성한다. 이 때, 제1 의료 영상들(550)의 임의의 점(x,y,z)에 대한 제2 변환 함수는 수학식 3과 같이 표현될 수 있다.
여기서, i=[x/gx]-1, j=[y/gy], k=[z/gz] 이고, u=x/gx-[x/gx], v=y/gy-[y/gy], w=z/gz-[z/gz]이다. 그리고, Bp,Bq,Br은 수학식 4와 같이 정의되는 B-스플라인의 3차 기저 함수이다.
제2 좌표 변환부(430)는 제2 변환 함수를 이용하여 기준 영상(551)의 좌표를 나머지 제1 의료 영상들(552,553,554)의 좌표로 변환 또는 역변환한다. 기준 영상(551)에서의 제3 지점이 제1 의료 영상(552)에서의 제4 지점과 대응하는 지점이라고 가정할 때, 제3 지점은 제2 좌표 변환부(430)에 의해 제4 지점으로 변환되거나 역변환 될 수 있다.
또 다른 실시예에서, 개체 분리부(410)는 동종 영상 정합부(2203)에서 생략될 수 있다. 개체 분리부(410)가 생략되는 경우 제2 변환 함수 산출부(420)는 분리된 해부학적 개체들의 좌표만을 고려하는 것이 아니라, 배경을 포함하는 전체 영상의 좌표를 고려하여 제2 변환 함수를 산출한다. 예컨대, 제1 호흡 주기(t) 동안에 제1 의료 장치(120)의 프로브(121)가 미소하게 이동하는 경우, 제1 의료 영상들(550)에서는 호흡에 의한 해부학적 개체들의 변위(displacement) 및 변형(deformation) 뿐만 아니라 프로브(121)의 이동에 따른 배경과 해부학적 개체들의 변위와 변형이 나타난다. 제2 변환 함수 산출부(420)는 제1 의료 영상들(550)에서 나타나는 해부학적 개체들의 전체 변위(displacement) 및 전체 변형(deformation)에서 프로브(121)의 이동에 따른 변위 및 변형을 보상할 수 있다.
다만, 프로브(121)가 정지된 상태에서 제1 의료 영상들(550)이 촬영된 경우라면, 분리된 해부학적 개체들만을 고려하여 제2 변환 함수를 산출하는 편이 계산량이 적고 빠르게 수행될 수 있는 장점이 있다.
도 2로 돌아가서, DB 구축부(230)를 설명한다. DB 구축부(230)는 개체 특정부(2301), 개체 보정부(2302) 및 정합 영상 생성부(2303)를 포함한다. DB 구축부(230)는 이종 영상 정합부(2202)와 동종 영상 정합부(2203)의 정합 결과들을 이용하여 제1 호흡 주기(t)에 대한 제1 의료 영상들(550)과 제2 의료 영상(540) 간의 정합 영상들의 세트(560)를 생성한다. DB 구축부(230)는 생성된 정합 영상들의 세트(560)를 정합 영상 DB(2402)에 저장한다.
개체 특정부(2301)는 이종 영상 정합 결과를 이용하여 제2 의료 영상(540)에서 나타나는 장기와 병변의 형상과 위치를 기준 영상(551)의 좌표에서 특정한다. 개체 특정부(2301)는 제2 의료 영상(540)에서 나타나는 장기와 병변의 좌표를 제1 좌표 변환부(340)를 통해 기준 영상(551)의 좌표로 변환한다.
개체 보정부(2302)는 동종 영상 정합 결과를 이용하여 기준 영상(551)의 좌표에서 특정된 상기 장기와 병변의 형상과 위치가 제1 호흡 주기(t) 동안 어떻게 변화되었는지를 추정한다. 다시 말하면, 개체 보정부(2302)는 기준 영상(551)에서 특정된 장기와 병변의 좌표를 제2 좌표 변환부(430)를 통해 각각의 제1 의료 영상들(552,553,554)의 좌표로 변환한다. 개체 보정부(2302)는 변환된 좌표를 통해 제1 호흡 주기(t) 동안 장기와 병변의 변위와 변형을 추정한다. 추정된 결과는 벡터로 표현될 수 있고, 이를 보정 벡터라고 명칭하기로 한다.
일 실시예에 따르면, 정합 영상 생성부(2303)는 제1 의료 영상들(550)과 각각에 대응하는 보정 벡터를 서로 연계시켜 정합 영상 DB(2402)에 저장한다. RAW 영상 DB(2401)에 제1 의료 영상들(550)이 저장되는 경우, 정합 영상 생성부(2303)는 RAW 영상 DB(2401)에 저장된 각각의 제1 의료 영상들(550)의 물리적 또는 논리적 어드레스에 대응하는 보정 벡터를 연계시켜 저장할 수도 있다. 이 경우, 정합 영상 DB(2402)에는 제1 의료 영상들(550)의 저장이 생략될 수 있다.
다른 실시예에 따르면, 개체 보정부(2302)는 보정 벡터를 이용하여 제2 의료 영상(540)에서 나타나는 해부학적 정보들, 예컨대 장기와 병변의 형상과 위치를 제1 의료 영상들(552,553,554)의 호흡 상태들에 대응되도록 보정할 수 있다. 개체 보정부(2302)는 제2 의료 영상에서 나타나는 장기와 병변의 좌표를 보정 벡터로 보정한다. 정합 영상 생성부(2303)는 보정된 해부학적 정보를 제1 의료 영상들(550)에 부가한다. 즉, 정합 영상 생성부(2303)는 보정된 해부학적 정보, 예컨데, 장기와 병변의 보정된 좌표를 대응하는 각 제1 의료 영상들(550)과 연계시켜 정합 영상 DB(2402)에 저장한다. 정합 영상 DB(2402)에 제1 의료 영상들(550)의 저장이 생략될 수 있음은 전술한 바와 같다.
또 다른 실시예에 따르면, 개체 보정부(2302)는 보정 벡터를 이용하여 제2 의료 영상(540)에서 나타나는 장기와 병변을 제1 의료 영상들(550)의 호흡 상태들에 대응하도록 제2 의료 영상(540)을 보정 할 수 있다. 보정된 제2 의료 영상(540)을 보정 영상이라고 명칭하기로 한다. 정합 영상 생성부(2303)는 보정 영상을 대응하는 각 제1 의료 영상들(550)과 연계시켜 정합 영상 DB(2402)에 저장한다. 정합 영상 DB(2402)에 제1 의료 영상들(550)의 저장이 생략될 수 있음은 전술한 바와 같다.
실시간 정합부(250)는 제1 호흡 주기(t) 이후에 촬영되는 제3 의료 영상(570)을 의료 영상 획득부(210)를 통해 실시간으로 획득한다. 실시간 정합부(250)는 제3 의료 영상(570)에 대응하는 영상(562)을 정합 영상들의 세트(560)로부터 검출하여 출력한다. 실시간 정합부(250)는 정합 영상 검출부(2501) 및 영상 출력부(2502)를 포함한다.
정합 영상 검출부(2501)는 정합 영상 DB(2402)에서 제3 의료 영상에 대응하는 영상(562)를 검출한다. 여기서, 영상(562)이란 반드시 렌더링된 영상을 의미하는 것은 아니며, 정합 영상의 데이터의 전체 또는 일부분에 해당할 수 있다. 즉, 전술한 실시예들을 참조하면, 영상(562)은 보정 벡터, 장기와 병변의 보정된 좌표 또는 보정 영상 중 어느 하나 일 수 있으며 이에 한정되지 않는다. 정합 영상 검출부(2501)는 제1 의료 영상들(550)에 연계된 정보(보정 벡터, 장기와 병변의 보정된 좌표) 또는 보정 영상과의 유사도를 판단하지 않고 제1 의료 영상들(550)만으로 영상(562)을 검출하는 것으로 가정한다. 당업자라면 제1 의료 영상들(550)에 연계된 정보(보정 벡터, 장기와 병변의 보정된 좌표) 또는 보정 영상을 더 고려하여 영상(562)를 검출할 수도 있음을 이해할 수 있다. 정합 영상 검출부(2501)는 제1 의료 영상들(550) 중에서 제3 의료 영상(570)과의 유사도가 최대인 제1 의료 영상(552)을 검출한다. 정합 영상 검출부(2501)는 전술한 가보 웨이브릿(Gabor Wavelet) 기법 또는 지역적 이진 패턴 매칭(Local Binary Pattern Matching) 기법을 이용할 수 있다.
영상 출력부(2502)는 정합 영상 검출부(2501)에 의해 검출된 영상(562)을 출력한다. 즉, 영상 출력부(2502)는 제3 의료 영상(570)과의 유사도가 최대인 제1 의료 영상(562)에 연계되어 저장된 정보(보정 벡터, 장기와 병변의 보정된 좌표) 또는 보정 영상을 출력한다. 보정 벡터 또는 장기와 병변의 보정된 좌표가 제1 의료 영상에 연계되어 정합 영상 DB(2402)에 저장된 경우, 영상 출력부(2502)는 보정 벡터 또는 장기와 병변의 보정된 좌표를 기초로 보정 영상을 생성하고, 보정 영상을 출력 할 수도 있다.
한편, 도 5에 도시된 바에 따르면 정합 영상들의 세트(560)가 융합 영상(fusion image)인 것으로 도시되었으나, 이는 설명의 편의를 위함이고 이에 한정되지 않음은 전술한 바와 같다.
제어부(260)는 의료 영상 획득부(210), 초기 정합부(220), DB 구축부(230), 저장부(240) 및 실시간 정합부(250)를 제어한다. 제어부(260)는 제1 인터페이스(2101)로부터 획득된 영상들간의 정합을 수행하는 경우에는 동종 영상 정합부(2203)가 정합하도록 제어하고, 제1 인터페이스(2102)와 제2 인터페이스(2102)로부터 획득된 영상들간의 정합을 수행하는 경우에는 이종 영상 정합부(2202)가 정합하도록 제어한다. 또한, 제어부(260)는 정합 영상 DB(2402)에 저장된 정합 영상들의 세트와 제1 인터페이스(2101)로부터 획득된 영상을 정합하는 경우에는 실시간 정합부(250)가 정합하도록 제어한다.
한편, 제어부(260)는 정합 모드의 선택을 입력받기 위한 사용자 인터페이스(미도시)를 제공할 수 있다. 정합 모드는 정합 영상들의 세트(560)를 생성하기 위한 초기 정합 모드와 정합 영상들의 세트(560)와 제3 의료 영상(570)의 정합을 위한 실시간 정합 모드를 포함한다. 사용자는 의료 시술 이전에는 초기 정합 모드를 선택하고, 의료 시술 중에는 실시간 정합 모드를 선택할 수 있다.
제어부(260)는 다수의 논리 게이트들의 어레이로 구현될 수 있고, 범용적인 마이크로프로세서와 이 마이크로프로세서에서 실행될 수 있는 프로그램이 저장된 메모리의 조합으로 구현될 수도 있다. 또한, 다른 형태의 하드웨어로 구현될 수도 있음을 당업자라면 이해할 수 있다. 도 1 내지 도 4에서는 본 발명의 특징이 흐려지는 것을 방지하기 위하여 상술된 실시예들에 관련된 하드웨어 구성요소(hardware component)들만을 기술하였다. 다만, 도 1 내지 도 4에 도시된 하드웨어 구성요소들 외에 다른 범용적인 하드웨어 구성요소들이 포함될 수 있음을 당업자라면 이해할 수 있다.
도 5는 본 발명의 일 실시예에 따른 의료 영상 정합 방법의 흐름을 도시한다. 도 5에 도시된 의료 영상 정합 방법은 도 1,2에 도시된 의료 영상 정합 장치(130,200)에서 시계열적으로 처리되는 단계들로 구성된다. 따라서, 이하 생략된 내용이라 하더라도 도 1,2에 도시된 의료 영상 정합 장치(130,200)에 관하여 전술한 설명은 본 실시예에 따른 의료 영상 정합 방법에도 적용된다.
먼저, 의료 영상 정합 장치(130,200)는 대상체의 제1 호흡 주기(t) 동안 촬영된 복수개의 제1 의료 영상들(550) 및 제1 의료 영상들(550)과 상이한 모달리티를 갖는 제2 의료 영상(540)을 획득한다(S505).
의료 영상 정합 장치(130,200)는 제1 의료 영상들(550)과 제2 의료 영상(540) 간의 유사도에 기초하여 기준 영상(551)을 검출한다(S510). 의료 영상 정합 장치(130,200)는 제1 의료 영상들(550) 중에서 제2 의료 영상(540)이 촬영된 호흡 상태와 가장 유사한 호흡 상태에서 촬영된 영상을 기준 영상(551)으로 검출한다.
의료 영상 정합 장치(130,200)는 기준 영상(551)을 제2 의료 영상(540)과 정합한다(S515). 의료 영상 정합 장치(130,200)는 기준 영상(551)과 제2 의료 영상(540)을 강체 정합(rigid registration) 또는 어파인 정합(affine registration)한다. 즉, 의료 영상 정합 장치(130,200)는 기준 영상(551)과 제2 의료 영상(540)으로부터 각각 특징점을 추출한다. 이어서, 의료 영상 정합 장치(130,200)는 추출된 특징점을 이용하여 기준 영상(551)과 제2 의료 영상(540) 중 하나의 영상을 다른 하나의 영상에 기준하여 회전, 스케일링, 이동(translation) 또는 기울기 변형(shearing)시킨다.
의료 영상 정합 장치(130,200)는 기준 영상(540)과는 상이한 호흡 상태들에서 획득된 나머지 제1 의료 영상들(552,553,554)을 각각 기준 영상(551)과 정합한다(S520). 의료 영상 정합 장치(130,200)는 기준 영상(551)과 나머지 제1 의료 영상들(552,553,554)을 비강체 정합(non-rigid registration)한다. 여기서, 의료 영상 정합 장치(130,200)는 기준 영상(551)과 각각의 나머지 제1 의료 영상들(552,553,554)간의 밝기값과 그래디언트 정보를 이용하여 제1 호흡 주기(t) 동안 장기와 병변의 변위(displacement)와 변형(deformation)을 추정할 수 있다.
의료 영상 정합 장치(130,200)는 S515 단계 및 S520 단계의 정합 결과들을 이용하여 제1 호흡 주기(t)에 대한 정합 영상들의 세트(560)를 생성한다(S525). 일 실시예에 따르면, 의료 영상 정합 장치(130,200)는 S520 단계의 정합 결과를 이용하여 제2 의료 영상(540)에서 나타나는 해부학적 정보를 제1 의료 영상들(552,552,554)의 호흡 상태들에 대응되도록 보정할 수 있다. 의료 영상 정합 장치(130,200)는 보정된 해부학적 정보, 예컨대 장기와 병변의 보정된 좌표를 제1 의료 영상들(552,553,554)에 부가할 수 있다.
의료 영상 정합 장치(130,200)는 제1 호흡 주기(t) 이후에 촬영되는 제3 의료 영상(570)을 실시간으로 획득한다(S530).
의료 영상 정합 장치(130,200)는 제3 의료 영상(570)에 대응하는 영상(562)을 정합 영상들의 세트(560)로부터 검출하여 출력한다. 일 실시예에 따르면, 의료 영상 정합 장치(130,200)는 제1 의료 영상들(550) 중에서 제3 의료 영상(570)과의 유사도가 최대인 제1 의료 영상(562)을 검출한다. 이어서, 의료 영상 정합 장치(130,200)는 정합 영상들의 세트(560)로부터 제1 의료 영상(562)에 부가된 해부학적 정보를 출력한다(S535).
도 6a는 도 5의 의료 영상 정합 방법에서 다른 일 실시예에 따른 정합 영상 세트의 생성 단계를 도시한다.
의료 영상 정합 장치(130,200)는 S515 단계의 정합 결과를 이용하여 제2 의료 영상(540)에서 나타나는 장기와 병변의 형상과 위치를 기준 영상(551)의 좌표에서 특정한다(S605a).
의료 영상 정합 장치(130,200)는 S520 단계의 정합 결과를 이용하여 제1 호흡 주기(t) 동안 기준 영상(551)의 좌표에서 특정된 장기와 병변의 형상과 위치의 변화를 추정한다(S610a).
의료 영상 정합 장치(130,200)는 S610a 단계의 추정 결과를 이용하여, 장기와 병변의 형상과 위치 변화에 대한 정보, 예컨대 보정 벡터를 대응하는 제1 의료 영상들(550)과 연계하여 저장한다(S615a).
도 6b는 도 5의 의료 영상 정합 방법에서 또 다른 일 실시예에 따른 정합 영상 세트의 생성 단계를 도시한다.
의료 영상 정합 장치(130,200)는 S515 단계의 정합 결과를 이용하여 제2 의료 영상(540)에서 나타나는 장기와 병변의 형상과 위치를 기준 영상(551)의 좌표에서 특정한다(S605b).
의료 영상 정합 장치(130,200)는 S520 단계의 정합 결과를 이용하여 제1 호흡 주기(t) 동안 기준 영상(551)의 좌표에서 특정된 장기와 병변의 형상과 위치의 변화를 추정한다(S610b).
의료 영상 정합 장치(130,200)는 추정된 장기와 병변의 형상과 위치 변화에 대한 정보, 예컨대 보정 벡터를 이용하여 제2 의료 영상(540)에서 나타나는 장기와 병변을 보정한 보정 영상들을 생성한다(S615b).
의료 영상 정합 장치(130,200)는 각 보정 영상들을 대응하는 제1 의료 영상들(550)과 연계하여 저장한다(S620b).
한편, 상술한 본 발명의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 본 발명의 실시예에서 사용된 데이터의 구조는 컴퓨터로 읽을 수 있는 기록매체에 여러 수단을 통하여 기록될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등)와 같은 저장매체를 포함한다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
Claims (22)
- 프로세서에 의해, 대상체의 제1 호흡 주기 동안 촬영된 복수개의 제1 의료 영상들 중의 기준 영상(reference image)을 제2 의료 영상과 정합하는 이종 영상 정합 단계;
상기 프로세서에 의해, 상기 기준 영상과는 상이한 호흡 상태들에서 획득된 나머지 제1 의료 영상들을 각각 상기 기준 영상과 정합하는 동종 영상 정합 단계;
상기 프로세서에 의해, 상기 이종 영상 정합과 상기 동종 영상 정합 결과를 이용하여 상기 제1 호흡 주기에 대한 상기 제1 의료 영상들과 상기 제2 의료 영상 간의 정합 영상들의 세트를 생성하는 단계; 및
상기 프로세서에 의해, 상기 제1 호흡 주기 이후에 촬영되는 제3 의료 영상을 실시간으로 획득하고, 상기 제3 의료 영상에 대응하는 영상을 상기 정합 영상들의 세트로부터 검출하여 출력하는 단계를 포함하고,
상기 정합 영상들의 세트를 생성하는 단계는,
상기 프로세서에 의해, 상기 이종 영상 정합 결과를 이용하여 상기 제2 의료 영상에서 나타나는 장기와 병변의 형상과 위치를 상기 기준 영상의 좌표에서 특정하는 단계; 및
상기 프로세서에 의해, 상기 동종 영상 정합 결과를 이용하여 상기 기준 영상의 좌표에서 특정된 상기 장기와 병변의 형상과 위치 변화를 추정하는 단계를 포함하는 것을 특징으로 하는 의료 영상 정합 방법. - 제 1 항에 있어서, 상기 정합 영상들의 세트를 생성하는 단계는,
상기 프로세서에 의해, 상기 동종 영상 정합 결과를 이용하여 상기 제2 의료 영상에서 나타나는 해부학적 정보를 상기 상이한 호흡 상태들에 대응되도록 보정하는 단계; 및
상기 프로세서에 의해, 상기 보정된 해부학적 정보를 상기 나머지 제1 의료 영상들에 부가하는 단계를 포함하는 것을 특징으로 하는 의료 영상 정합 방법. - 제 2 항에 있어서, 상기 제3 의료 영상에 대응하는 영상을 검출하여 출력하는 단계는,
상기 프로세서에 의해, 상기 제1 의료 영상들 중에서 상기 제3 의료 영상과의 유사도가 최대인 영상을 검출하는 단계; 및
상기 프로세서에 의해, 상기 정합 영상들의 세트로부터 상기 제3 의료 영상과의 유사도가 최대인 영상에 부가된 해부학적 정보를 출력하는 단계를 포함하는 것을 특징으로 하는 의료 영상 정합 방법. - 제 1 항에 있어서,
상기 이종 영상 정합 단계에서는 상기 기준 영상과 상기 제2 의료 영상을 강체 정합(rigid registration) 또는 어파인 정합(affine registration)하고,
상기 동종 영상 정합 단계에서는 상기 기준 영상과 상기 나머지 제1 의료 영상들을 비강체 정합(non-rigid registration)하는 것을 특징으로 하는 의료 영상 정합 방법. - 제 1 항에 있어서, 상기 이종 영상 정합 단계는,
상기 프로세서에 의해, 상기 기준 영상과 상기 제2 의료 영상으로부터 각각 특징점을 추출하는 단계; 및
상기 프로세서에 의해, 상기 추출된 특징점을 이용하여 상기 기준 영상과 상기 제2 의료 영상 중 하나의 영상을 다른 하나의 영상에 기준하여 회전, 스케일링, 이동(translation) 또는 기울기 변형(shearing)시키는 단계를 포함하는 것을 특징으로 하는 의료 영상 정합 방법. - 제 1 항에 있어서, 상기 동종 영상 정합 단계에서는,
상기 기준 영상과 상기 각각의 나머지 제1 의료 영상들간의 밝기값과 그래디언트 정보를 이용하여 상기 제1 호흡 주기 동안 장기와 병변의 변위(displacement)와 변형(deformation)을 추정하는 것을 특징으로 하는 의료 영상 정합 방법. - 제 1 항에 있어서,
상기 프로세서에 의해, 상기 복수개의 제1 의료 영상들과 상기 제2 의료 영상 간의 유사도에 기초하여 상기 기준 영상을 검출하는 단계를 더 포함하는 것을 특징으로 하는 의료 영상 정합 방법. - 제 7 항에 있어서, 상기 기준 영상을 검출하는 단계에서는,
상기 복수개의 제1 의료 영상들 중에서 상기 제2 의료 영상이 촬영된 호흡 상태와 가장 유사한 호흡 상태에서 촬영된 영상을 상기 기준 영상으로 검출하는 것을 특징으로 하는 의료 영상 정합 방법. - 삭제
- 제 1 항에 있어서, 상기 정합 영상들의 세트를 생성하는 단계는,
상기 프로세서에 의해, 상기 추정된 장기와 병변의 형상과 위치 변화에 대한 정보와 상기 나머지 제1 의료 영상들을 연계시켜 저장하는 단계를 더 포함하는 것을 특징으로 하는 의료 영상 정합 방법. - 제 1 항에 있어서, 상기 정합 영상들의 세트를 생성하는 단계는,
상기 프로세서에 의해, 상기 추정된 장기와 병변의 형상과 위치 변화를 이용하여 상기 제2 의료 영상에서 나타나는 장기와 병변을 상기 상이한 호흡 상태들에 대응하도록 보정한 보정 영상들을 생성하는 단계; 및
상기 프로세서에 의해, 상기 나머지 제1 의료 영상들을 각각 상기 보정 영상들과 연계시켜 저장하는 단계를 더 포함하는 것을 특징으로 하는 의료 영상 정합 방법. - 제 1 항에 있어서,
상기 제1 의료 영상들은 의료 시술 이전에 촬영된 3차원 초음파 영상들이고, 상기 제2 의료 영상은 의료 시술 이전에 촬영된 MR, CT, PET 또는 X-ray 영상이고, 상기 제3 의료 영상은 의료 시술 중 촬영되는 3차원 또는 2차원 초음파 영상인 것을 특징으로 하는 의료 영상 정합 방법. - 대상체의 제1 호흡 주기 동안 촬영된 복수개의 제1 의료 영상들 중의 기준 영상(reference image)을 제2 의료 영상과 정합하는 이종 영상 정합부;
상기 기준 영상과는 상이한 호흡 상태들에서 획득된 나머지 제1 의료 영상들을 각각 상기 기준 영상과 정합하는 동종 영상 정합부;
상기 이종 영상 정합부와 상기 동종 영상 정합부의 정합 결과들을 이용하여 상기 제1 호흡 주기에 대한 상기 제1 의료 영상들과 상기 제2 의료 영상 간의 정합 영상들의 세트를 생성하는 DB 구축부; 및
상기 제1 호흡 주기 이후에 촬영되는 제3 의료 영상을 실시간으로 획득하고, 상기 제3 의료 영상에 대응하는 영상을 상기 정합 영상들의 세트로부터 검출하여 출력하는 실시간 정합부를 포함하고,
상기 DB 구축부는,
상기 이종 영상 정합 결과를 이용하여 상기 제2 의료 영상에서 나타나는 장기와 병변의 형상과 위치를 상기 기준 영상의 좌표에서 특정하고,상기 동종 영상 정합 결과를 이용하여 상기 기준 영상의 좌표에서 특정된 상기 장기와 병변의 형상과 위치 변화를 추정하는 것을 특징으로 하는 의료 영상 정합 장치. - 제 13 항에 있어서, 상기 DB 구축부는,
상기 동종 영상 정합 결과를 이용하여 상기 제2 의료 영상에서 나타나는 해부학적 정보를 상기 상이한 호흡 상태들에 대응되도록 보정하고, 상기 보정된 해부학적 정보를 상기 나머지 제1 의료 영상들에 부가하는 것을 특징으로 하는 의료 영상 정합 장치. - 제 14 항에 있어서, 상기 실시간 정합부는,
상기 제1 의료 영상들 중에서 상기 제3 의료 영상과의 유사도가 최대인 영상을 검출하고, 상기 정합 영상들의 세트로부터 상기 제3 의료 영상과의 유사도가 최대인 영상에 부가된 해부학적 정보를 출력하는 것을 특징으로 하는 의료 영상 정합 장치. - 제 13 항에 있어서,
상기 이종 영상 정합부는 상기 기준 영상과 상기 제2 의료 영상을 강체 정합(rigid registration) 또는 어파인 정합(affine registration)하고,
상기 동종 영상 정합부는 상기 기준 영상과 상기 나머지 제1 의료 영상들을 비강체 정합(non-rigid registration)하는 것을 특징으로 하는 의료 영상 정합 장치. - 제 13 항에 있어서, 상기 이종 영상 정합부는,
상기 기준 영상과 상기 제2 의료 영상으로부터 각각 특징점을 추출하고, 상기 추출된 특징점을 이용하여 상기 기준 영상과 상기 제2 의료 영상 중 하나의 영상을 다른 하나의 영상에 기준하여 회전, 스케일링, 이동(translation) 또는 기울기 변형(shearing)시키는 것을 특징으로 하는 의료 영상 정합 장치. - 제 13 항에 있어서, 상기 동종 영상 정합부는,
상기 기준 영상과 상기 각각의 나머지 제1 의료 영상들간의 밝기값과 그래디언트 정보를 이용하여 상기 제1 호흡 주기 동안 장기와 병변의 변위(displacement)와 변형(deformation)을 추정하는 것을 특징으로 하는 의료 영상 정합 장치. - 제 13 항에 있어서, 상기 이종 영상 정합부는,
상기 복수개의 제1 의료 영상들과 상기 제2 의료 영상 간의 유사도에 기초하여 상기 제1 의료 영상들 중 상기 제2 의료 영상이 촬영된 호흡 상태와 가장 유사한 호흡 상태에서 촬영된 영상을 상기 기준 영상으로 검출하는 것을 특징으로 하는 의료 영상 정합 장치. - 삭제
- 제 13 항에 있어서, 상기 DB 구축부는,
상기 추정된 장기와 병변의 형상과 위치 변화에 대한 정보와 상기 나머지 제1 의료 영상들을 연계시켜 저장하는 것을 특징으로 하는 의료 영상 정합 장치. - 제 13 항에 있어서, 상기 DB 구축부는,
상기 추정된 장기와 병변의 형상과 위치 변화를 이용하여 상기 제2 의료 영상에서 나타나는 장기와 병변을 상기 상이한 호흡 상태들에 대응하도록 보정한 보정 영상들을 생성하고, 상기 나머지 제1 의료 영상들을 각각 상기 보정 영상들과 연계시켜 저장하는 것을 특징으로 하는 의료 영상 정합 장치.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130010100A KR102114415B1 (ko) | 2013-01-29 | 2013-01-29 | 의료 영상 정합 방법 및 장치 |
| US14/163,234 US9495725B2 (en) | 2013-01-29 | 2014-01-24 | Method and apparatus for medical image registration |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130010100A KR102114415B1 (ko) | 2013-01-29 | 2013-01-29 | 의료 영상 정합 방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20140096919A KR20140096919A (ko) | 2014-08-06 |
| KR102114415B1 true KR102114415B1 (ko) | 2020-05-22 |
Family
ID=51222999
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020130010100A KR102114415B1 (ko) | 2013-01-29 | 2013-01-29 | 의료 영상 정합 방법 및 장치 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US9495725B2 (ko) |
| KR (1) | KR102114415B1 (ko) |
Families Citing this family (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9542529B2 (en) * | 2013-10-31 | 2017-01-10 | Toshiba Medical Systems Corporation | Medical image data processing apparatus and method |
| KR102328266B1 (ko) * | 2014-10-29 | 2021-11-19 | 삼성전자주식회사 | 영상 처리 장치, 영상 처리 방법 및 영상 처리부가 마련된 초음파 영상 장치 |
| JP6541334B2 (ja) * | 2014-11-05 | 2019-07-10 | キヤノン株式会社 | 画像処理装置、画像処理方法、およびプログラム |
| CN104739510B (zh) * | 2014-11-24 | 2017-05-17 | 中国科学院苏州生物医学工程技术研究所 | 一种新的构建序列影像与呼吸信号对应关系的方法 |
| KR102278893B1 (ko) * | 2014-11-28 | 2021-07-19 | 삼성전자주식회사 | 의료영상처리장치 및 이를 이용한 의료영상정합방법 |
| KR102369652B1 (ko) * | 2014-12-23 | 2022-03-11 | 삼성전자주식회사 | 의료영상 장치, 영상 처리 장치 및 영상 융합 방법 |
| US10127655B2 (en) * | 2015-07-09 | 2018-11-13 | Samsung Medison Co., Ltd. | Medical imaging apparatus and method of operating same |
| US9934570B2 (en) | 2015-10-09 | 2018-04-03 | Insightec, Ltd. | Systems and methods for registering images obtained using various imaging modalities and verifying image registration |
| US11244478B2 (en) * | 2016-03-03 | 2022-02-08 | Sony Corporation | Medical image processing device, system, method, and program |
| JP6525903B2 (ja) * | 2016-03-09 | 2019-06-05 | 富士フイルム株式会社 | 画像表示装置、方法およびプログラム |
| JP6700494B2 (ja) * | 2016-12-23 | 2020-05-27 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | 被験者の肺状態の評価を支援するシステム |
| JP7320352B2 (ja) * | 2016-12-28 | 2023-08-03 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 三次元モデル送信方法、三次元モデル受信方法、三次元モデル送信装置及び三次元モデル受信装置 |
| JP6864227B2 (ja) * | 2017-05-11 | 2021-04-28 | 富士通株式会社 | 比較プログラム、比較装置及び比較方法 |
| US10219768B2 (en) * | 2017-06-08 | 2019-03-05 | Emass Llc | Method for standardizing target lesion selection and tracking on medical images |
| US10842445B2 (en) * | 2018-11-08 | 2020-11-24 | General Electric Company | System and method for unsupervised deep learning for deformable image registration |
| JP7270453B2 (ja) * | 2019-04-26 | 2023-05-10 | キヤノン株式会社 | 画像処理装置、画像処理方法およびプログラム |
| KR102427573B1 (ko) * | 2019-09-09 | 2022-07-29 | 하이윈 테크놀로지스 코포레이션 | 의료 영상 등록 방법 |
| CN110974266A (zh) * | 2019-11-25 | 2020-04-10 | 上海俪娃荷智能医疗科技有限公司 | 一种影像工作站 |
| CN112801863A (zh) * | 2021-02-25 | 2021-05-14 | 浙江工业大学 | 基于图像转换和域泛化的无监督多模态医学图像配准方法 |
| KR102444581B1 (ko) * | 2021-10-07 | 2022-09-19 | 주식회사 피맥스 | 흉부 영상으로부터 횡격막을 검출하는 방법 및 이를 위한 장치 |
| CN114677415A (zh) * | 2022-03-10 | 2022-06-28 | 北京联影智能影像技术研究院 | 图像配准方法、装置、计算机设备及可读存储介质 |
| KR102588305B1 (ko) | 2023-03-30 | 2023-10-20 | 주식회사 휴런 | 미가공 ct 이미지의 기하학적 정렬 및 전처리를 위한 인공지능 기반 장치 및 방법 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6169817B1 (en) | 1998-11-04 | 2001-01-02 | University Of Rochester | System and method for 4D reconstruction and visualization |
| US7245698B2 (en) | 2005-07-13 | 2007-07-17 | Siemens Medical Solutions Usa, Inc. | 4-dimensional digital tomosynthesis and its applications in radiation therapy |
| US8098914B2 (en) * | 2007-03-05 | 2012-01-17 | Siemens Aktiengesellschaft | Registration of CT volumes with fluoroscopic images |
| US8290303B2 (en) * | 2007-10-11 | 2012-10-16 | General Electric Company | Enhanced system and method for volume based registration |
| US8111892B2 (en) * | 2008-06-04 | 2012-02-07 | Medison Co., Ltd. | Registration of CT image onto ultrasound images |
| US9547902B2 (en) * | 2008-09-18 | 2017-01-17 | Siemens Healthcare Gmbh | Method and system for physiological image registration and fusion |
| KR101364904B1 (ko) | 2009-10-26 | 2014-02-27 | 울산대학교 산학협력단 | 4차원 영상합성법의 재구성 장치 및 방법 |
| KR101117026B1 (ko) | 2009-12-15 | 2012-03-16 | 삼성메디슨 주식회사 | 서로 다른 영상간에 영상 정합을 수행하는 영상 정합 시스템 및 방법 |
| WO2011075821A1 (en) * | 2009-12-24 | 2011-06-30 | Imris Inc. | Apparatus for mri and ultrasound guided treatment |
| RU2014141502A (ru) * | 2012-03-15 | 2016-05-10 | Конинклейке Филипс Н.В. | Мультимодальное деформируемое совмещение |
-
2013
- 2013-01-29 KR KR1020130010100A patent/KR102114415B1/ko active IP Right Grant
-
2014
- 2014-01-24 US US14/163,234 patent/US9495725B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| KR20140096919A (ko) | 2014-08-06 |
| US20140212014A1 (en) | 2014-07-31 |
| US9495725B2 (en) | 2016-11-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102114415B1 (ko) | 의료 영상 정합 방법 및 장치 | |
| KR102094502B1 (ko) | 의료 영상들의 정합 방법 및 장치 | |
| KR102001219B1 (ko) | 의료 영상들의 정합 방법 및 장치 | |
| KR101932721B1 (ko) | 의료 영상들의 정합 방법 및 장치 | |
| CN105025803B (zh) | 从多个三维视图对大对象的分割 | |
| KR102233427B1 (ko) | 의료 영상 정합 방법 및 장치 | |
| US10229517B2 (en) | Method and apparatus for automated determination of contours in iterative reconstruction of image data | |
| CN102763135B (zh) | 用于自动分割和时间跟踪的方法 | |
| KR101982149B1 (ko) | 의료 영상의 일부 정보를 활용한 장기 영상 생성 방법 및 장치 | |
| US9697639B2 (en) | Three-dimensional model data generation device, method and program | |
| CN106600609B (zh) | 一种医学图像中脊柱的分割方法及系统 | |
| KR102205898B1 (ko) | 의료영상들을 정합하는 방법 및 장치 | |
| JP4918048B2 (ja) | 画像処理装置及び方法 | |
| KR102251830B1 (ko) | 초음파 및 ct 영상의 정합에 관한 시스템 및 작동 방법 | |
| JP2012205899A (ja) | ３次元的モデルを利用した身体臓器の映像生成方法及び装置並びにコンピュータ読み取り可能な記録媒体 | |
| KR20120111871A (ko) | 3차원적 모델을 이용한 신체 장기의 영상 생성 방법 및 장치 | |
| CN109152566B (zh) | 校正超声融合成像系统中的探头引起的变形 | |
| US8655040B2 (en) | Integrated image registration and motion estimation for medical imaging applications | |
| KR102106535B1 (ko) | 일 호흡 주기에 따른 장기의 형상 및 위치의 변화를 나타내는 모델을 생성하는 방법, 장치 및 시스템. | |
| US9355454B2 (en) | Automatic estimation of anatomical extents | |
| KR20150129506A (ko) | 의료 영상 정합 방법 및 그 장치 | |
| KR102250086B1 (ko) | 의료 영상 정합 방법, 이를 포함하는 장치 및 컴퓨터 기록 매체 | |
| KR20150026354A (ko) | 의료영상들을 정합하는 방법 및 장치 | |
| zu Berge et al. | Ultrasound Decompression for Large Field-of-View Reconstructions. | |
| JP7404058B2 (ja) | 磁気共鳴イメージング（ｍｒｉ）スキャンにおける熱アブレーションによって形成された障害部の視覚化 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |